[object Object]

[object Object][object Object]undefined[object Object]

• 接口功能：aclnnMoeTokenPermuteWithRoutingMap的反向传播。
• 计算公式：$$permuteTokenId, outIndex= sortedIndices.sort(dim=-1)$$ $$capacity = permutedTokensOutputGrad.size(0) / numExperts$$
  • probs不为None：
  $$probsGradOutOptional = zeros(tokens_num, numExperts)$$
  • dropPaddedMode为true时
  $$probsGradOutOptional [sortedIndices[i], i/capacity] = permutedProbsOutputGradOptional[i]$$
  • dropPaddedMode为false时
  $$probsGradOutOptional = maskedscatter(probsGradOutOptional,routingMapOptional, permutedProbsOutputGradOptional)$$
  • probs为None：
  $$tokensGradOut= zeros(restoreShapeOptional, dtype=permutedTokens.dtype, device=permutedTokens.device)$$ $$tokensGradOut[permuteTokenId[i]] += permutedTokens[outIndex[i]]$$

[object Object]

每个算子分为，必须先调用“aclnnMoeTokenPermuteWithRoutingMapGradGetWorkspaceSize”接口获取计算所需workspace大小以及包含了算子计算流程的执行器，再调用“aclnnMoeTokenPermuteWithRoutingMapGrad”接口执行计算。

[object Object]

• 参数说明:

  [object Object]

• 返回值：

  aclnnStatus：返回状态码，具体参见。

  第一段接口完成入参校验，出现以下场景时报错：

  [object Object]

[object Object]

• 参数说明：

  [object Object]

• 返回值：

  返回aclnnStatus状态码，具体参见。

[object Object]

• 确定性计算：

  • aclnnMoeTokenPermuteWithRoutingMapGrad默认确定性实现。

• 非dropPaddedMode 场景topK_num <= 512

[object Object]

示例代码如下，仅供参考，具体编译和执行过程请参考。